我不确定我能区分和理解以下几个方面的区别:
VAD (语音活动检测)和
Speaker Segmentation
我了解到:
VAD -分割语音段或非语音段的音频
扬声器分割-将音频分割成非语音片段和不同的扬声器
例如:
VAD = [not speech, speech, not speech, speech, not speech]
Speaker Segmentation = [not speech, speech , not speech, speech A, speech B, not speech]
我说得对吗?